ワークショップまとめ：45分でAI SDRを構築

多くの営業チームは、受け身の対応に追われています。大量のインバウンド、遅い応答時間、そしてアウトバウンドに割ける営業担当者の不足が課題です。

この記事では、ライブワークショップ「45分でAI SDRを構築」を振り返り、AI SDRエージェントの構築からデプロイまでを解説します。

AI SDRエージェントが重要な理由

ElevenLabsがAI SDRエージェントの構築前に直面していた課題は、決して特別なものではありません。

主な課題は次のとおりです。

1. チームの成長が需要の伸びに追いついていない
2. 大量のインバウンドにより、アウトバウンドに割ける余力が限られている
3. リードへの初回対応が遅すぎる
4. 営業時間外に入ったリードへの返信が遅い（例：金曜の夕方にリードが入り、月曜まで返信を待ち、さらに水曜になるかもしれない商談を待つ）
5. 言語が障壁になりつつある
   

これを自動化するビジネス上の意義は明確でした。

AI SDRエージェントは24時間365日稼働し、70を超える言語に対応し、定義済みの基準でリードを評価して、通話中にカレンダーへ直接商談を予約します。引き継ぎによる遅延も、タイムゾーンによる摩擦もありません。

現在の成果：

1. エージェントはフルタイムSDR 2人分の成果を生み出している
2. 評価の精度は88％
3. 顧客満足度は平均10点中8.7点

デモ1：実際に動作するAI SDR

シナリオ： 見込み顧客が営業問い合わせフォームを送信後、ElevenLabsに連絡します。Jonという名前のエージェントが電話を受け、評価を進めたうえで商談を予約します。

デモ内容：

• Jonは、見込み顧客のユースケースを特定しました。それは、毎週数千件の顧客電話に対応する注文状況更新用の音声エージェントの構築です
• エージェントは、SOC 2 Type 2、HIPAA、GDPR、EU域内データレジデンシー、BAA締結の可否を挙げながら、データコンプライアンスに関するセキュリティの質問に淀みなく回答しました
• Jonは、現在のプラン、想定される会話量、導入時期について、評価の質問を一つずつ行いました
• 見込み顧客がすべての基準を満たすと、エージェントは日程調整フローへ移行しました
• Jonは見込み顧客のタイムゾーン（ロンドン）を確認し、ライブツールでカレンダーの空き状況を取得して、具体的な候補時間を提示しました
• 見込み顧客は火曜日の午後3時15分を選択。通話中にリアルタイムでカレンダーへ商談が予約されました
• 最後にJonが満足度評価を尋ねると、見込み顧客は10点満点と回答しました。エージェントはそのスコアを自動で抽出し、記録しました

重要な理由： これは、人間のSDRが通話に参加することなく完了する、評価から予約までの一連のワークフローです。エージェントはコンプライアンスに関する懸念に対応し、複数ステップの評価プロセスを進め、ライブのカレンダーインテグレーションを使用し、CRM用の構造化データを収集しました。すべてが一度の会話で完結します。通話の文字起こし、ツール呼び出しログ、評価判断、CSATスコアはすべて、終了直後にプラットフォーム上で確認できます。

AI SDRの主要コンポーネント

システムプロンプト
エージェントの目標、個性、環境、ガードレールを定義します。SDRエージェントでは、評価基準を明記し、エージェントが話すべきこと・話すべきでないことを定め、動作するコンテキストを説明します。初期に得た教訓の一つは、システムプロンプトを簡潔にし、ロジックをワークフローへ移すことで、エラーを減らし、エージェントの動作をより予測可能にできることです。

ワークフロー
エージェントを、それぞれ独自の目標と引き継ぎ条件を持つノードに分割できます。適切なパスを決定するオーケストレーターノード、適切な順序で質問する評価ノード、営業以外の質問をする発信者向けのサポートルーティングノード、ツールを配置する日程調整ノードを使用します。各ノードには、それぞれ独自のLLM、ナレッジベース、ガードレールを設定できます。

ナレッジベース
質問に正確に答えるために必要な情報をエージェントに与えます。プロダクトの機能と、自社のSDRチームの経験から得た100件を超えるFAQを読み込みます。

ツール
エージェントを実際のシステムへ接続します。日程調整エージェントは、カレンダーインテグレーション（cal.com）を使ってリアルタイムの空き状況を確認し、商談を予約できます。同じフレームワークで、CRMの更新、Slack通知、データベース検索にも対応します。

分析とデータ収集
ローンチ前に設定します。二値の成功指標、構造化データポイント（ユースケース、件数、導入時期、評価判断）、通話の最後から自動で抽出するCSATスコアを定義します。通話後は、文字起こしビューですべての変数を確認できます。

ベストプラクティス

1. 構築前に成功の定義を決めます。 特定のユースケースにおける「評価済み」の意味を書き出してください。具体的に定めましょう。エージェントの評価基準は、新しいSDRに初日に伝える基準と同等の質である必要があります。
2. まず1つのワークフローから始め、改善を重ねます。 ElevenLabsエージェントの初期バージョンでは、すべてのロジックをシステムプロンプトに入れていました。ワークフローに移行したことで、エージェントの精度が上がり、保守も容易になりました。
3. タスクに合ったLLMを選びます。 シンプルなオーケストレーションロジックには軽量モデルを使います。ツールの使用や高度な推論が必要なノードには、より高性能なモデルを使います。この使い分けにより、レイテンシーが改善します。
4. 言語ごとにネイティブでクローンされた音声を選びます。 多言語で展開する場合、すべての言語に1つの音声を適用するよりも、各言語でネイティブにクローンした音声を使う方が、明らかに高品質な結果が得られます。
5. 早い段階でガードレールを設定し、継続的に追加します。 ある見込み顧客は、エージェントにスパゲッティのレシピを尋ねました。ローンチ時点ですべてのエッジケースを予測することはできません。監視プロセスを構築し、学びに応じてガードレールを更新してください。
6. 動的変数を使って、実行時にパーソナライズします。 通話の開始時に発信者の名前、会社名、現在のプランをエージェントに渡すと、会話の関連性が高まり、確認のための質問を減らせます。
7. サウンドエフェクトをツール呼び出し中に追加します。 エージェントがカレンダーを確認したりCRMに書き込んだりしている間、タイピング音や短いオーディオキューを流すことで、無音で気まずい印象ではなく、自然な体験を維持できます。
   

フルセッションを視聴

フルセッションはこちら。